CN111628497B - 一种面向电网稳定性的动态负载管理方法及计算机设备 - Google Patents

Abstract

本发明涉及一种面向电网稳定性的动态负载管理方法及计算机设备，该方法包括：获取预设时间段内的电网频率的越限率；针对以数据中心的功率值为个体构建的种群，采用随机搜索算法计算每一代种群中各个个体的适应度，将最高适应度对应的个体作为满足电网稳定性要求的数据中心的功率值，其中，随机搜索算法中采用的适应度函数基于越限率进行计算，电网稳定性包括：电网频率维持在正常范围内且节点电压和支路功率不发生越限。本发明采用随机搜索算法获得最优的数据中心实时的功率值，从而保证并网后电网稳定性在可控范围内，并且通过电网频率的越限率衡量频率稳定的效果。

Description

一种面向电网稳定性的动态负载管理方法及计算机设备

技术领域

本发明涉及电网优化领域，具体涉及一种面向电网稳定性的动态负载管理方法及计算机设备。

背景技术

随着新能源发电的大规模发展，风光发电并网容量逐年上升，大规模新能源发电并网，会导致电网末端电压抬升，影响电网的稳定性，当电压超过一定的限制就会导致家用电器无法使用，严重时导致新能源发电设备脱网；而支路功率越限则会导致该支路出现火灾隐患，严重威胁整个电网的正常运行；其次如若频率超出基准值后没有及时采取一定的控制措施，频率的稳定性就会遭到破坏，影响电网的安全运行，从而引起频率崩溃等恶性事件。为了维持电网的稳定运行，传统的电网通常采用被动式调整模型即供电随用电所需而调整。例如，将大容量电池作为储能元件与相应的控制策略相结合，有助于维护电网的稳定。然而这种被动的方式会增加电网操作和运行成本。

发明内容

针对上述技术问题，本发明提供一种面向电网稳定性的动态负载管理方法及计算机设备，利用数据中心作为动态负载来实现电网的供需平衡，从而达到保障电网稳定性、降低运行成本的目的。

本发明解决上述技术问题的技术方案如下：一种面向电网稳定性的动态负载管理方法，包括：

获取预设时间段内的电网频率的越限率；

针对以数据中心的功率值为个体构建的种群，采用随机搜索算法计算每一代种群中各个个体的适应度，将最高适应度对应的个体作为满足电网稳定性要求的数据中心的功率值，其中，所述随机搜索算法中采用的适应度函数基于所述越限率进行计算，越限率越低，适应度越高，反之亦然；所述电网稳定性包括：电网频率维持在正常范围内。

本发明的有益效果是：采用随机搜索算法获得最优的数据中心实时的功率值，从而保证并网后电网稳定性在可控范围内，并且通过电网频率的越限率衡量频率稳定的效果。

另外，本发明将数据中心接入新能源并网后的电网中作为负载，一方面能够及时吸纳电网系统中多余的新能源发电量，从而保证电网的稳定性；另一方面能够有效降低对环境的污染。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述适应度函数为：

其中，f(x)为所述适应度，S为所述预设时间段内获得的电网频率在正常范围之外的频率采样点的个数，M为所述预设时间段内获得的频率采样点的总数，S/M为所述越限率。

采用上述进一步方案的有益效果是：引入“越限率”来评价一定时间段内的频率越限情况。

进一步地，还包括：根据获得的光伏发电功率值，计算数据中心的功率值，以缩短调整数据中心的功率值时的时延。

采用上述进一步方案的有益效果是：利用预测手段提前获得光伏发电功率值，从而确定数据中心需要消耗的电量，进而得到数据中心的功率值，使得数据中心的调整具有前瞻性，尽可能的缩短时延，减少时延给频率波动带来的影响。

进一步地，当所述数据中心的功率值超过调整范围的上限时，将所述数据中心的功率值调整为所述调整范围的上限；

当所述数据中心的功率值超过调整范围的下限时，将所述数据中心的功率值调整为所述调整范围的下限。

进一步地，所述调整范围的表达式为：

[(1-e)×p(t),(1+e)×p(t)]，

其中，e为数据中心的灵敏度，p(t)为上一时刻数据中心的功率值。

进一步地，所述电网稳定性还包括：所述电网中各个母线节点的电压和各个支路的功率均满足各自的约束条件。

采用上述进一步方案的有益效果是：本发明从频率、母线节点电压、支路功率三个角度出发提出了数据中心动态负载调节策略，该策略不仅可以获得能够在各个时间段内将电网频率保持在安全范围内的数据中心功率值，实现数据中心的有效稳频，而且还可以保证电网中各个母线节点上的电压和支路功率不越限，从三个方面保证电网的稳定性。

进一步地，当所述电网包括：n个数据中心DC和m个新能源发电设备LD，则电网频率维持的正常范围为：

Freq_lower<＝Freq(DC₁，DC₂，…,DC_n,LD₁,LD₂,…,LD_m)<＝Freq_upper，

其中，Freq_upper和Freq_lower分别为电网频率波动的上限和下限。

进一步地，所述电网中各个支路的电压满足的约束条件是：

U_M(1-ε₁)≤U_i≤U_M(1+ε₂)，1≤i≤N

其中，ε₁和ε₂是国际规定的允许偏差率，U_M是系统标称电压，U_i是电网中第i个母线节点上的电压，N为电网系统中母线节点的数量。

进一步地，所述电网中各个支路的功率满足的约束条件是：

其中，

是允许通过从母线节点i到母线节点j的支路的最大功率。

为实现上述发明目的，本发明还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现上述各实施例所述的一种面向电网稳定性的动态负载管理方法。

附图说明

图1为本发明实施例提供的一种面向电网稳定性的动态负载管理方法的流程图；

图2为本发明实施例采用的Case_IEEE30网络结构拓扑图；

图3为太阳能发电站的发电功率变化曲线图；

图4为五种仿真情况下的网损对比图；

图5为不同灵敏度下越限率对比图；

图6为不同时延下越限率对比图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

随着可再生能源发电技术、装机总量的不断发展，电网所面临的挑战也随之加大，大规模新能源发电并网，会导致电网末端电压抬升，影响电网的稳定性，当电压过高就会导致电器设备损坏，严重时导致新能源发电设备脱网；而支路功率越限则会导致该支路出现火灾隐患，严重威胁整个电网的正常运行；如若频率超出基准值后没有及时采取一定的控制措施，频率的稳定性就会遭到破坏，影响电网的安全运行，从而引起频率崩溃等恶性事件。

本发明提出一种动态负载调节策略，将数据中心接入新能源并网后的电网中作为负载，一方面能够及时吸纳电网系统中多余的新能源发电量，从而保证电网的稳定性；另一方面能够有效降低对环境的污染。

本发明适用于包含电网稳定性输入和功率可调负载的电网系统，例如，在电网系统中接入一个可能会引起电网功率震荡输入的大型的太阳能发电站，由于新能源本身具有的波动性、不稳定性会导致电网频率、支路功率和节点电压产生波动，如若超过一定的范围就会影响电网的正常运行，因此需要及时将频率波动控制在正常范围内。而频率、节点电压和支路功率不稳定甚至越限的根本原因是电网中供需不平衡。因此，为了解决这个问题，本文将数据中心作为一个功率实时可调整的动态负载，能够根据光伏发电功率的变化调整数据中心的功率，从而使并网后的电网频率维持在正常范围内。

然而，当数据中心以及新能源发电设备在电网中的位置固定的情况下，伴随着大规模波动的新能源并网发电，数据中心功率变动对于电网稳定性有着不可预测的影响。因此，本发明着重研究了新能源发电设备、数据中心均接入电网后，数据中心功率调整对于电网频率及电网支路功率和节点电压的影响，同时还考虑了实际情况下数据中心的调整所带来的问题的影响，并进行相关实验分析。

图1为本发明实施例提供的一种面向电网稳定性的动态负载管理方法的流程图。如图1所示，该方法包括：

S1、获取预设时间段内的电网频率的越限率；

S2、针对以数据中心的功率值为个体构建的种群，采用随机搜索算法计算每一代种群中各个个体的适应度，将最高适应度对应的个体作为满足电网稳定性要求的数据中心的功率值，其中，所述随机搜索算法中采用的适应度函数基于所述越限率进行计算，越限率越低，适应度越高，反之亦然。所述电网稳定性包括：电网频率维持在正常范围内，以及所述电网中各个母线节点的电压和各个支路的功率均满足各自的约束条件。

具体的，本实施例中的电网系统采用选取IEEE30网络作为测试用例，该用例的网络拓扑图如图2所示。Case_IEEE30数据集是从IEEE公共数据格式转换而来的。数据中心可以连接到21个母线节点，如图2中箭头所示。

IEEE30用例中含有6个发电机，分别连接在1、2、5、8、11和13号节点上，其中1号节点是平衡节点。

该系统中所有母线两两连接一共有41条支路。每条支路都有各自的线载容量限制。基于这些限制，我们会检测可能的越限情况。

太阳能发电站的发电功率可以用公式(1)描述

其中，M是是光伏电板的数量，A_p是每片光伏板的表面积，

是太阳辐射量、η_p表示光伏面板的效率,η_DC表示最大功率跟踪器的效率。在这些因素中，

本质上是随机的,将会受到季节及环境变化的影响。

本实施例中将数据中心视为电网系统中大型的不可忽略的负载，数据中心的容量通常描述其运行峰值负载时的功耗，从而充分利用。当在某一位置放置一数据中心的时候，它连接到与数据中心所在区域对应的母线。然后，该母线节点的负载应由原负载和数据中心的当前负载相加，如下所示:

其中P_i和Q_i分别表示母线节点i处的有功和无功功率，N代表电网中的节点个数，P′_i和Q′_i分别是母线节点i上原始的有功和无功功率，

和

分别代表数据中心的有功和无功功率。

本实施例中，可选取PSAT仿真系统计算频率。PSAT(Power System AnalysisToolbox)软件是由意大利的Eederico Milano最早独立开发的电力系统分析软件，用于电力系统分析和控制，本发明实施例使用其时域仿真功能获得频率值。假设电网中有n个数据中心DC和m个新能源发电设备LD，主要解决将电网频率维持于正常范围内的问题，同时关注各个母线节点上的电压和支路功率越限问题，即：

Freq_lower<＝Freq(DC₁，DC₂，…,DC_n,LD₁,LD₂,…,LD_m)<＝Freq_upper (3)

U_M(1-ε₁)≤U_i≤U_M(1+ε₂),1≤i≤N (4)

其中，ε1和ε2是国际规定的允许偏差率，U_M是系统标称电压，U_i是电网中第i个母线节点上的电压，

是从允许通过母线节点i到母线节点j支路的最大功率(即支路容量限制值),N为电网系统中母线节点的数量。上述公式中，(4)和(5)分别给出了为确保电压稳定性和支路功率稳定性而设定的约束条件，其中(4)是各节点电压的约束方程，(5)给出了各支路的功率限制。

具体的，本实施例中采用随机搜索算法来实现最优负载分配策略，以获得满足电网稳定性要求的数据中心的功率值。遗传算法作为随机搜索算法中的一种，擅长解决全局优化问题并且通常被用来解决一些较为实际的问题。本实施例中的随机搜索算法可采用遗传算法来设计和实现数据中心动态调整策略。

首先，基于遗传算法的基本设置，定义个体的格式为一个如下表所示的含有L个元素的向量，其中，每个元素d_i为0-9范围内的整数。

d<sub>L-1</sub>

……

d<sub>2</sub>

d<sub>1</sub>

d<sub>0</sub>

通过这种定义方式，一个个体可以是[0，10^L-1]区间内的整数，且之后能够映射到数据中心功耗值区间范围内的某一值，映射公式如下所示：

其中，Ma为个体映射到数据中心功耗区间内的值，a1和a2分别是数据中心功耗值区间上下限。ind是指在[0，10^L-1]区间内取整数作为初始个体。

根据种群规模，先产生一定数量的在[0，10^L-1]区间内的整数作为初始个体。之后在对个体进行交叉和变异两种操作：采用两点交叉的方式，交换选定个体与任意个体交叉点之间的部分元素，以此获得两个新个体；通过利用随机数来替换选定个体上变异点处的元素方式进行变异，获得新个体。具体的迭代方式将会在下面的随机搜索算法中进行详细的描述。

而为考察频率稳定的效果，本发明实施例中引入“越限率”这一概念来评价一定时间段内的频率越限情况。即：越限率为仿真时间段内，49.8Hz-50.2Hz这一区间外的频率采样点的个数S和频率采样点总数M之比。则，适应度函数为式：

显然，越限率越小，则适应度越高；反之亦然。

而考虑到数据中心的实际情况，将数据中心的最大值设置为100MW，由于该软件中设置负载的基准值为100MW，所以适应度函数的定义域为0-1pu。目标为找到能够维持电网稳定的最优数据中心功耗值，则伪代码如下：

随机搜索算法：

上述代码输入值中，T代表最优结果，Tv代表对应最优数据中心功耗值，Sn代表种群规模，ger为最大迭代次数，L是基因长度，pc代表交叉概率，pm代表变异概率，f(x)代表个体x的适应度函数值。输出值中，最高适应度T对应的最优数据中心的功率值Tv。

代码从第2行开始循环迭代，第4和12行分别代表产生随机数与交叉变异概率进行比较；在第6行中我们采用两点交叉法进行交叉。在第13行中，通过用随机产生的数来替代确定变异位置上的数的方式来进行变异。第17行代表合并新旧基因；第19-22行是根据适应度大小从高到低排序，选择前N个个体后淘汰多余个体；最终循环ger次后逐渐趋近最优结果。

当进化的次数达到最大值，在进化过程中获得最高适应度的个体将是输出的最优解。整个过程中，利用扰动文件来更改新能源发电机节点上的发电功率值，利用global全局变量来更改数据中心功率值。在实验中，可以进行60秒的仿真，通过计算越限率来评估个体优劣。

本发明实施例提出将数据中心作为新能源发电并网后电网中的动态负载来保证并网后电网的稳定性。该方法在保证新能源并网后电网稳定性的同时，数据中心利用清洁、低成本的新能源供电，可以减少对环境的污染。

此外，还从频率、节点电压、支路功率三个角度出发提出了数据中心动态负载调节策略，该策略不仅可以获得能够在各个时间段内将电网频率保持在安全范围内的数据中心功率值，实现数据中心的有效稳频，而且还可以保证电网系统中各个母线节点的电压和各支路的功率不越限，从三个方面保证电网的稳定性。

可选地，在该实施例中，该方法还包括：根据获得的光伏发电功率值，计算数据中心的功率值，以缩短调整数据中心的功率值时的时延。

具体的，时延是由于数据中心功率调整需要一定的时间，而光伏的发电功率实时变动的，当数据中心功率调整跟不上光伏发电功率的变化时，会造成电网供需不平衡，进而使电网损耗增加。因此，利用预测手段提前获得光伏发电功率值，从而计算出数据中心功耗值，使得数据中心的调整具有前瞻性，尽可能的缩短时延，减少时延给频率波动带来的影响。

可选地，在该实施例中，该方法还包括：当所述数据中心的功率值超过调整范围的上限时，将所述数据中心的功率值调整为所述调整范围的上限，当所述数据中心的功率值超过调整范围的下限时，将所述数据中心的功率值调整为所述调整范围的下限。

具体的，由于数据中心的功率值调整范围的限制，需要调整数据中心的功率值，调整范围的表达式为：

[(1-e)×p(t),(1+e)×p(t)] (8)

其中，e代表负载的灵敏度，p(t)代表上一时刻数据中心的功率值。

由式(8)可见，通过调整灵敏度可以限制功率值的调整范围。

下面以一个具体的实验实例对本发明进行详细说明。

1、实验设置

本实验中选择了在某一天内某光伏电站的监测电力数据，监测时间间隔为10分钟，因此，总共有144个数据来模拟一天的光伏发电功率。太阳能发电站的发电功率检测结果如图3所示。

针对每个实验数据，每次实验首先进行潮流计算来保证目前的实验数据不会产生节点电压和支路功率越限的情况，之后进行60秒的时域仿真，并设定每0.05秒进行一次频率采样，获得频率值，一次实验一共获得1200个采样点。设每次获得的频率值在正常范围之外的点的个数为S个，则根据越限率定义适应度函数f(x)的计算公式如下：

本实验使用PSAT仿真五种情况：

Case1、无数据中心方案，即电网中只有光伏电站并网运行，不配置任何数据中心。

Case2、0.5MW静态数据中心方案，即电网中只有光伏发电功率发生变化，数据中心的功率值始终保持不变。

Case3、爬山法求解方案，目标函数为公式(9)，由于PSAT中设置的基准功率为100MW，因此实验过程中的目标函数定义域为0-1p.u.，初始节点为0.4，邻节点范围为0.1，划分份数为5。

Case4、均匀采样求解方案，数据中心的取值范围仍然为0-1p.u.，采样密度为0.05。

Case5、本文提出的动态调节策略，其中适应度函数采用公式(9)。

以上5种方案均在保证支路功率和节点电压不越限的基础上获得越限率。

理想情况下数据中心始终可以实时准确的调节功率，然后实际情况下，数据中心的调节幅度会受限，调节功率也需要花费一定的时间开销。所以，本发明中选取光伏发电功耗最高点处的数据分别就时延和灵敏度进行实验。数据中心的功率调整需要内部任务的调度，需要时间来完成，这就产生了时延。数据中心在一定的时间范围内的功率调整范围也有限制，该限制称为数据中心的灵敏度e，其计算公式如上述公式(8)。

通过该公式计算出数据中心下一时刻的功率范围值，并与数据中心动态负载调节策略所得结果进行对比，如果该策略所得值在该范围内，则说明数据中心可在规定的时间内调整至该值，如果在该范围之外，则取该范围的边界值，即如若大于该范围的上边界值则取上边界，小于下边界则取下边界。

2、实验结果

从总体上看，五种情况下的实验结果如图4所示。光伏发电受到日照的影响较大，而每天日照时间基本在上午7时左右至下午5时左右，因此电网稳定性也在该时间段发生变化。为了更好的体现本文提出的数据中心动态负载调节策略的优越性，在本发明中越限率超过0.3视为稳频效果不明显。

从实验结果图看，最上方两条曲线始终在0.3上方，最上方曲线为Case1方案的实验结果，该曲线说明当只有光伏电站并网时，随着电站开始发电，且发电功率逐渐上升，电网的频率越限率也随之增加，且基本始终保持在越限率为1的情况下，这种情况需要及时解决。而紧接着下方曲线为Case2方案实验结果，其说明：仅利用一个静态负载去消耗额外的发电量的方法不足以起到稳频的作用。

最下方三条曲线均利用数据中心作为可实时调整的动态负载，可以看出：越限率远远低于上方两条曲线，由此可看出动态负载的优越性。然而在Case3，Case4，Case5三种方案中，Case4与Case5方案所得结果均始终保持在0.3以内，而Case5所得结果曲线处于最下方，由此看出该方案所得的数据中心功率值匹配光伏并网的电网所起到的稳频效果最好，体现出本发明所提出的数据中心负载调节策略的优越性。

关于数据中心在实际调整过程中存在的灵敏度和时延问题的实验结果如下图5和图6所示。

从图5可以看出当灵敏度为0，即数据中心为静态负载时，越限率高达0.6以上，而当数据中心灵敏度小于0.4时，越限率也始终在0.3以上，说明数据中心对于并网后电网频率方面的稳定性效果并不明显，而当灵敏度大于0.4时，越限率均在0.3以内。可以看出灵敏度越大，稳定性效果越好；但只要能够达到40％的灵敏度即可较好的达到保障稳定的效果。

本发明实施例中，分别测试了0-20分钟时延对于越限率的影响，从图6可以看出：当时延超过5分钟后越限率就超过0.3，且曲线基本随着时延的增加呈上升趋势，由此可以看出时延对于实验结果有着较大的影响。而为了解决时延带来的这一问题，本发明提出利用预测手段提前获得光伏发电功率值，从而计算出数据中心功率值，使得数据中心的调整具有前瞻性，尽可能的缩短时延，减少时延给频率波动带来的影响。

使用神经网络预测算法，调用“keras”框架，利用历史数据对光伏实验数据进行预测，通过改变迭代次数获得不同误差率的预测结果。这里选取光伏发电功率最高点的数值，通过对于不同预测误差率的光伏数据进行最优动态稳频策略的相关计算得到越限率，结果如下表所示。

从表格中的数据可以看出，当预测误差在10％以内时，越限率就在0.3以内，相当于能够避免5分钟时延所带来的影响。因此，在一定精确度范围内的预测即能够帮助数据中心提前做好功率调整准备工作，有效减少时延对于电网稳定性的影响。

本发明实施例中提出利用数据中心功率可以实时调整的特性，将其作为新能源并网后的电网中动态负载从而起到稳定电网的作用，保证并网后的电网的正常运行。为了保证数据中心对于并网后电网的稳定作用的有效性，设计实现了数据中心动态负载调节策略，能够在保证各个时间点上电网节点电压和支路功率不越限的基础上，找到使电网频率保持在安全频率范围内的数据中心功率值，使动态负载能够发挥其作用。

通过对比实验结果表明，本发明提出的数据中心动态负载调节策略能够在保证电网中各支路上的功率和节点电压不越限的基础上维持各个时间段内的频率稳定，始终将电网支路功率和节点电压以及频率保持在安全范围内，实现并网后电网的稳定性，保证并网后的电网运行安全。此外，还考虑到了数据中心在实际操作过程中存在的灵活性和时延等实际问题，分别进行实验，由于实验结果表明时延对于频率的影响较大，所以提出采用提前预测的方式预测新能源发电功率，而实验结果也表明提前预测能够有效的避免时延对于频率的影响。

另外，本发明还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，该处理器执行所述程序时实现上述各实施例所述的一种面向电网稳定性的动态负载管理方法。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

本发明的技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种面向电网稳定性的动态负载管理方法，其特征在于，包括：

获取预设时间段内的电网频率的越限率；

针对以数据中心的功率值为个体构建的种群，采用随机搜索算法计算每一代种群中各个个体的适应度，将最高适应度对应的个体作为满足电网稳定性要求的数据中心的功率值，其中，所述随机搜索算法中采用的适应度函数为基于所述越限率进行计算，所述电网稳定性包括：电网频率维持在正常范围内；

其中，数据中心作为一个功率实时可调整的动态负载，能够根据光伏发电功率的变化调整数据中心的功率，从而使并网后的电网频率维持在正常范围内；

所述适应度函数为：

其中，f(x)为所述适应度，S为所述预设时间段内获得的在电网频率的正常范围之外的频率采样点的个数，M为所述预设时间段内获得的频率采样点的总数，S/M为所述越限率。

2.根据权利要求1所述的一种面向电网稳定性的动态负载管理方法，其特征在于，还包括：

根据获得的光伏发电功率值，计算数据中心的功率值，以缩短调整数据中心的功率值时的时延。

3.根据权利要求1所述的一种面向电网稳定性的动态负载管理方法，其特征在于，还包括：

当所述数据中心的功率值超过调整范围的上限时，将所述数据中心的功率值调整为所述调整范围的上限；

当所述数据中心的功率值超过调整范围的下限时，将所述数据中心的功率值调整为所述调整范围的下限。

4.根据权利要求3所述的一种面向电网稳定性的动态负载管理方法，其特征在于，所述调整范围的表达式为：

[(1-e)×p(t),(1+e)×p(t)]，

其中，e为数据中心的灵敏度，p(t)为上一时刻数据中心的功率值。

5.根据权利要求1-4中任一项所述的一种面向电网稳定性的动态负载管理方法，其特征在于，所述电网稳定性还包括：所述电网中各个母线节点的电压和支路功率均满足各自的约束条件。

6.根据权利要求5所述的一种面向电网稳定性的动态负载管理方法，其特征在于，当所述电网包括：n个数据中心DC和m个新能源发电设备LD，则电网频率维持的正常范围为：

Freq_lower<＝Freq(DC₁，DC₂，…,DC_n,LD₁,LD₂,…,LD_m)<＝Freq_upper，

其中，Freq_upper和Freq_lower分别为电网频率波动的上限和下限。

7.根据权利要求6所述的一种面向电网稳定性的动态负载管理方法，其特征在于，所述电网中各个母线节点的电压满足的约束条件是：

U_M(1-ε₁)≤U_i≤U_M(1+ε₂)，1≤i≤N

其中，ε₁和ε₂是国际规定的允许偏差率，U_M是系统标称电压，U_i是电网中第i个母线节点上的电压，N为电网系统中母线节点的数量。

8.根据权利要求7所述的一种面向电网稳定性的动态负载管理方法，其特征在于，所述电网中各个支路的功率满足的约束条件是：

其中，

是允许通过从母线节点i到母线节点j的支路的最大功率。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一项所述的一种面向电网稳定性的动态负载管理方法。

Images